Você está na página 1de 13

UTILILIZAO DE COINTEGRAAO E VECM PARA ANLISE DE EQUILBRIO E CHOQUES ENTRE INFLAO E AGREGADO MONETRIO RESTRITO

Rodolfo Varela Tavares1 Microeconometria Universidade Jean Piaget de Cabo Verde

RESUMO
O objetivo deste trabalho foi de analisar a existncia de equilibrio de longo prazo entre a inflao (com proxy IPC) e o agregado monetrio (M1) em Cabo Verde, no periodo de janeiro de de 2002 a dezembro de 2011. Para investigar o equilbrio e para verificar esse comportamento em longo prazo foi utilizado o modelo VAR com correo de erros (VEC) juntamente com a co-integrao, causalidade de Granger e teste de impulso resposta, baseado na decomposio de Cholesky. Os resultados obtidos mostraram cointegrao entre as duas variveis, permitindo afirmar que h um equilbrio de longo prazo entre elas. Por meio de anlise de causalidade de Ganger conclui-se que nas duas defasagens a causalidade bilateral e de 3 e 4 defasagens esta causalidade revela-se ser unilateral de IPC para M1. Palavras-chave: Agregado Monetrio; Cointegrao de Johansen, Inflao, VECM. Causalidade de Granger,

Mestrendo em Economia Aplicada-emai: adotavares@yahoo.com

1. INTRODUO
Em Cabo Verde a estabilizao de preos por meio de controle de inflao est no cerne da poltica monetria estabelecida pelo banco central (BCV) na formulao da sua poltica econmica. Alis, a questo sobre o papel da poltica monetria no controle da inflao, e, portanto, na estabelizao das flutuaes do produto e emprego esto no centro do debate macoreconmico (SANTAROSSA; TRICHES E LLIS, n.d). Conforme Baptista e Coelho (2004, p.2.), Os agentes econmicos, tanto pblicos como privados, monitoram a dinmica do nvel de preos na economia de forma a alocar os seus recursos, e formular planos de ao. Desta forma, a expectativa de inflao uma varivel importante na tomada de deciso por parte dos agentes econmicos consoante indicam Fuhrer e Moore (1995), Romer e Romer (1989 e 2004) e Maccallum (1999). Os estudos sugerem que h uma forte correlao entre a poltica monetria com o nvel do produto e a taxa de inflao, contudo, h um intervalo de tempo de resposta a essas polticas. Autores como Friedman e Schwrtz (1963a) so de ideia de que o crescimento rpido na massa monetrio tende a ser seguida por aumento do produto acima da tendncia. De acordo com (PINA, 2008) a ideia dos dois autores est ligado com a teoria quantitativa da moeda segundo a qual a instabilidade do nvel de preos deriva principalmente de distrbios monetrios, que provoca desequilbrio entre a procura monetria agregada e oferta total de bens. Neste sentido, a conduo da poltica monetria est associada aos efeitos que pode produzir nas variveis macroeconmicas (SANTAROSSA; TRICHES E LLIS, n.d). Nesta linha de pensamento que conforme Lopes e Rossetti (2002), os instrumentos de poltica monetria se destinam basicamente a influenciar a oferta de moeda e a taxa de juros. Segundo Motoro Filho e Troster (2002), por meio dos instrumentos da poltica monetria, as autoridades monetrias podem fornecer ao sistema econmico uma oferta de moeda suficiente para o desenvolvimento das atividades econmicas, e manter a liquidez do sistema. Portanto, segundo o paradigma monetarista de Friedman, a inflao provocada por um aumento demasiado rpido da quantidade de moeda em relao procura. McCandless e Weber (1995), com base no resultado de um estudo para 110 pases para um perodo de 30 anos, encontraram a evidncia de que a correlao de longo prazo entre inflao e crescimento da oferta de moeda prximo de 1, variando entre 0.92 e 0.96, consoante a definio da oferta de moeda utilizada. Esta correlao evidencia o argumento fundamental da teoria quantitativa da moeda de que a variao na taxa de crescimento da moeda induz uma variao proporcional na taxa de variao dos preos. No entanto, os mesmos autores argumentaram que pode-se questionar o sentido de causalidade entre a inflao e crescimento da massa monetria e que esse resultado depende das propriedades estatsticas das respectivas sries.

Nesta tica que revela de cabal importncia realizar o estudo de equilbrio de longo prazo entre a inflao e a massa monetria e determinar em termos prticos qual o sentido de causalidade. Pela anlise da Figura 1 pode-se constatatar que as duas sries, IPC e M1, no periodo em anlise tiveram um comportamneto ajustado dando a ideia de que tem sido acompanhado um ao outro ao longo do tempo. No entanto, as evidncias sero apresentadas por meio de anlise economtrica no decorrer deste estudo.

Figura 1 Variao do IPC e M1 de Cabo Verde. Fonte: Elaborado pelo autor com base em dados de Banco de Cabo Verde (2013). Obs: Todas as duas variveis esto em logaritmo e na primeira diferena.

2. METODOLOGIA
A metodologia de Vetores Auto Regressivos (VAR) uma abordagem comumente aplicada na anlise de questes macroeconmicas e tambm utilizada em estudos relacionada a finanas cooporativas e a mercados financeiros. (ONO et al, 2005; ABRAS, 1999) apud (LOPES, 2012). A anlise dinmica de sistemas de variveis econmicas atravs de modelos VAR foi introduzida por Sims (1980) atravs do artigo fundamental Macroeconomics and Reality. A abordagem VAR ao tratar todas as variveis simetricamente sem impor qualquer restrio quanto independncia e dependncia entre elas, permite descrever cada uma das variveis endgenas no sistema como uma funo dos valores desfasados de todas as variveis endgenas. Sendo assim, os modelos VAR funcionam

como sistemas de equaes simultneas que procura captar a exixtncia de relaes de interdependencia entre variveis, e que permitem avaliar o impacto de choques estoctsicos sobre determinada varivel do sistema, impondo como restrie estrutura da economia somente a escolha do conjunto relevantes de variveis e do nmero mximo de lags (defasagens) envolvidas nas relaoes. (LOPES, 2012). A expresso matemtica bsica do modelo VAR de ordem {p} ou, simplesmente, VAR(p) dada por: (1) Onde vetor de k varivesi endgenas, um vator de termos independentes, +..... so matrizes de coeficientes, reprsenta um vetor de perturbaes aleatrias no correlacionadas com os seus prprios valores passados e no correlacionados com nenhuma da variveis do segundo membro, embora possam estar contemporaneamente correlacionadas, ecom matriz de covarincia no singular. Analisando a Equao (1) pode-se facilmente ver que existe apenas valores defasados de variveis endgenas nos sugundos termos das equaes do modelo VAR, sendo assim, a aplicao dos mnims quadrados ordinria (MQO) na estimao de cada uma das equaes do sistema (1) ir produzir estimativas consistentes, mesmo que as perturbaes possam estar comtemporaneamente correlacionadas, uma vez que todos os regressores dos sugundos termos so idnticos. (LOPES, 2012). Assim, grantindo a possibilidade de invertibilidade das matrizes do modelo VAR; o processo Y tem a seguinte representao mdia mvel (MA):

(2) Sendo Y-T expresso em termo dos valores presentes e passados do vetor perturbaes corresponde ao vetor de mdias no condicionadas de . Os coeficientes na representao das mdias mveis so obtidos por meio de mtodo recursivo atravs da relao de identidade como mostra a seguinte expresso. (3) Assim resultando os seguintes coeficientes MA (4) Tendo em conta que nesta pesquisa procura-se tambm analisar os choques das variveis M1 (agregado monetrio restrito) sobre a inflao, utilizarse- tambm a anlise de funo inpulso respostas que muito utilizado em economia e que possibilita detetar o efeito do choque exgeno em uma varivel aleatria sobre valores presentes e passados das variveis

endgenas do sistema. Segundo Baptista e Coelho (2004), um choque na isima varivel no afeta apenas diretamente a i-sima varivel do modelo, mas tambm transmitida para as demais variveis endgenas atravs da estrutura dinmica do VAR. Uma funo de impulso-resposta permite avaliar de que forma um impulso ou choque numa varivel afeta as demais. Conforme Hamilton (1994), a funo de impulso resposta pode ser representada pela expresso (5): (5) Onde representa a matriz de multiplicadores de impacto de um choque sobre as variveis endgenas. As linhas e colunas da , captam as consequncias de uma inovao, , no valor da i-sima varivel no tempo t+s. Portanto a expresso da funao inpulso resposta descrito em (4) uma expresso generalizada (SANTAROSSA, TRICHES E LLIS, n.d) e de acordo com Pesara e Shim (1998), a ordenao das variveis no interferem nos resultados.

2.1 Variveis do Modelo


O modelo geral de estimao inclui como variveis endgenas a varivel de poltica monetria a taxa de inflao medido atravs da variao do proxy IPC, o agregado monetrio M1. Todas as variveis no modelo so sries temporais com periodicidade mensal, cobrindo o perido de janeiro de 2002 a Dezembro de 2011. No estudo todas as sries esto em logaritimos (LOG) no sentido que expressam a elasticidade. Como se trata de dados de sries temporais, para a realizao correta deste trabalho, deve-se respeitar a sequncia de pr-requisitos necessrios para a obteno dos resultados. Os passos so na ordem a seguir: observar a estacionariedade das sries em estudo por meio dos testes Augmented Dickey-Fuller, estimar o modelo de vetores autorregressivos (VAR), observando o melhor nmero de defasagens apresentadas pelo modelo, os quais sero selecionados pelos critrios de informao de Akaike (AIC), Schwarz (SBC). Aps identificada a existncia do vetor de co-integrao entre as variveis, por intermdio do teste de co-integrao de Johansen (1990), estima-se o modelo de correo de erros, em que se busca verificar os equilbrios de longo prazo. Posteriormente verificam-se as relaes de causalidade das sries mediante o teste de causalidade de Granger; a decomposio da Varincia dos Erros de Previso em Percentagem e, por fim, a Funo Impulso Resposta pelo Mtodo de Cholesky. Estes passos metodolgicos so detalhados a seguir. Estacionaridade Segundo Gujarati (2000), um processo estocstico estacionrio se suas mdias e varincia forem constantes ao longo do tempo e se o valor da covarincia entre os dois perodos de tempo depender apenas da distncia ou

defasagem entre os dois perodos e no do perodo de tempo efetivo em que a covarincia calculada. O teste mais utilizado na literatura o teste Augmented Dickey-Fuller (ADF) desenvolvido por Dickey e Fuller em 1979. Este teste tem na hiptese nula a presena de raiz unitria ou no estacionariedade da srie. , existe raz unitria, a srie no estacionria. , a s estacionria. Esta hiptese ser utilizada para analisar a estacionaridade da srie com intercepto e tendncia e sem elas de modo que: (6) Dessa forma, se o teste usual rejeitar a hiptese nula e o teste de anlise confirmatria no, se tem uma confirmao da estacionariedade da srie temporal (MADDALA, 1992). Caso no se rejeitar a hiptese da existncia da estacionaridade da srie em nvel, torna-se necessria testar se a primeira diferena estacionria. Caso o for, a srie ser I(1). Neste caso torna-se necesrio analisar se as sries so co-integradas, ou seja, ser necessrio verificar se existe uma combinao linear de variveis integradas de mesma ordem, que seja estacionria. (BAPTISTA e COELHO, 2004). A anlise de co-integrao permite analisar relaes estruturais entre variveis econmicas. Mais precisamente, esses testes permitem determinar se as variveis possuem ou no um relacionamento (equilbrio) de longo prazo entre as variveis (MARGARIDO, 2004). Caso ocorra a co-integrao entre as variveis passa-se para o modelo de correo de erro MCE. A interpretao econmica da co-integrao que, se duas (ou mais) variveis possuem uma relao de equilbrio de longo prazo, mesmo que as sries possam conter tendncias estocsticas I(1) (isto , serem no estacionrias), elas iro mover-se juntas no tempo, e a diferena entre elas ser estvel I(0) isto , estacionria. Para verificar a co-integrao das variveis em estudo, optou-se pela metodologia de Joahansen (1990), que determina o nmero possvel de vetores de co-integrao existente entre as variveis. A equao (7) representa a verso reparametizada apresentada por Johansen & Juselius. (7) em que um vetor de n variveis, ~ N(0,) e E( =0 para todo o t diferente de s. Em que necessrio ter o conhecimento do nmero de defasagens
utilizado no modelo VAR em um passo anterior. Para a determinao do nmero dos vetores de integrao, pode-se utilizar dois outros testes importantes denominados de estatstica do trao (trao) e do mximo autovalor (max) (BAPTISTA e COELHO, 2004).

A estatstica do Trao (trao) (JOHANSEN & JUSELIUS, 1990), onde a hiptese nula (H0) de que existem pelo menos r vetores de cointegrao, representado matematicamente por:

(8) A hiptese nula (H0) apresentada matematicamente como: H0: i = 0, i = r + 1, ..., n, ou seja, somente os primeiros r autovalores ( ) so diferentes de zero. J o teste do mximo autovalor (max) tem as seguintes hipteses: H0: o nmero de vetores de co-integrao igual a r vetores e H1: o nmero de vetores de co-integrao igual r+1 vetores, representado matematicamente por: (9) Onde, so as razes caractersticas obtidas da matriz, que representa os vetores de correo de erros (para detalhes, ver Enders, 1995), e T corresponde ao nmero de observaes. Se os valores calculados forem maiores que os valores crticos, rejeita-se a hiptese nula de no co-integrao, os valores crticos do teste do trao e do teste de mximo autovalor so dados por Johansen e Juselius (1990). Modelo de correo de erros Aps a verificao de existncia de co-integrao por meio da metodologia de Johansen, inclui-se o modelo de correo de erro. Segundo Harris (1995), a principal vantagem de se escrever o sistema em termos do modelo de correo de erro est relacionado ao fato de que, nesse formato, so incorporadas informaes tanto de curto quanto de longo prazo para ajuste nas variaes das sries, como descrito anteriormente busca-se determinar as relaes entre as 2 variveis. O modelo VAR com correo de erros pode ser escrito da seguinte forma: (10) Em que p o nmero de defasagens escolhidas no modelo VAR. '= , em que uma matriz (p x r) sendo em suas colunas os vetores de cointegrao, e a matriz (p x r) contendo os coeficientes de ajustamento, sendo r o nmero de co-integraes. Quanto ao nmero de co-integraes, possvel se ter trs situaes: se r = n, o nmero de co-integraes igual ao nmero de variveis, ento estacionrio; se r = 0, ento estacionrio e se 0 < r < n, ento existem matrizes e de dimenses (n x r) tais que =, logo, existem combinaes lineares estacionrias que tornam estacionrio. Consequentemente existem r vetores de co-integrao (MARAL, PERERA e FILHO, 2003). Causalidade de Granger Com a identificao de que existe um vetor de co-integrao entre as variveis estudadas e que um modelo VAR com correo de erros pode ser escrito, faz-se necessrio identificar quais so as relaes de causalidade existentes entre as sries em estudo. Causalidade que, segundo Granger (1969), ocorre quando uma varivel X causa outra varivel Y, no sentido

atribudo por Granger, se a observao de X no presente ou no passado ajuda a prever os valores futuros de Y para algum horizonte de tempo. A causalidade deve existir pelo menos em uma das direes, ou X causa Y ou Y causa X, ou ainda, a bi-causal. Essa causalidade significa que oscilaes feitas em X podem ser sentidas em Y ou vice-versa. Em termos mais formais, o teste envolve estimar as seguintes regresses: (11) (12) Em que so os resduos que assumimos serem no correlacionados. A equao (10) postula que valores correntes de X esto relacionados a valores passados do prprio X, assim como a valores defasados de Y; a equao (11), por outro lado, postula um comportamento similar para a varivel Y. 3. RESULTADO E DISCUSSO Pela anlise da Tabela 1, pode-se confirmar os resultados do teste ADF que as sries IPC e M1 em nvel apresentam presena de raiz unitria, isto , as duas sries no so estacionrias em nvel. No entanto, suas diferenas so estacionrias, isto , todas as duas variveis so I(1). Esses resultados indicam que o modelo adequado para as sries deve incorporar um mecanismo de correo de erros, sendo o VAR MCE o modelo adequado. Dessa forma, sendo elas integradas de ordem um, I(1), pode-se verificar se so co- integradas. O prximo passo foi testar se existe equilbrio de longo prazo entre as sries. O teste realizado foi o de mximo auto-valor. TABELA 1 Resultado do Teste Dickey-Fuller Aumentado de raiz unitria
I(0) Nvel de Confiana LIPC Valor Critico de ADF 1% 5% 10% 0,18819 -3,486064 -2,885863 -2,579818 LM1 -1,531303 -3,486551 -2,886074 -2,579931 LIPC -11,12379 -3,486551 -2,886074 -2,579931 I(1) LM2 -14,06527 -3,486551 -2,886074 -2,579931

Fonte: Resultado da pesquisa; - indica a primeira diferena; ADF Argumented DickeyFuller.

A TABELA 2 apresenta os resultados dos valores calculados pelo critrio penalizador AIC, o critrio de informao de Schwarz (SBC). Segundo os testes AIC e SBC, o melhor modelo com 2 defasagens. Assim sendo, optouse pela escolha do modelo VAR com duas defasagens para aplicar o teste de Co-integrao de Johansen. Com isso, apresenta-se na Tabela 3 o teste de Co-integrao de Johansen com duas defasagens, que consiste no teste do trao e no teste do mximo.

TABELA 2: Critrio para escolha de desfasamento do VAR (p)


Lags (Defasamento) 1 2 3 4 AIC 18,9313 18,8133 18,8446 18,9015 SBC 19,0722 19,0481 19,1769 19,3287

Fonte: Resultado da pesquisa; AIC: Akaike information criterion; SBC: Schwarz information criterion

Segundo os testes AIC e SBC, o melhor modelo com 2 defasagens. Assim sendo, optou-se pela escolha do modelo VAR com duas defasagens para aplicar o teste de Co-integrao de Johansen. Com isso, apresenta-se na Tabela 3 o teste de Co-integrao de Johansen com duas defasagens, que consiste no teste do trao e no teste do mximo autovalor. TABELA 3: Teste de Johansen para relaes de co-integrao das sries.
Estatstica de Trao Nmero de Cointegrao Valor calculado Valor Crtico (5%) r=0 r=1 22,53136 3,540744 15,49471 3,84146 Estatstica do mximo autovalor Valor Crtico (5%) 14,2646 3,841466

p-valor

Valor calculado

p-valor

0,0037* 0,0599

18,99061 3,540744

0,0083* 0,0599

Fonte: Resultados da pesquisa; *significativo.

Tendo vereficado o equilibrio de longo prazo entre as variveis, o passo seguinte foi de verificar a causalidade entre elas. Essa anlise foi feita por meio de Causalidade de Ganger com duas defasagens como apresenta na Tabela 4. Nesta Tabela, onde apresentado simulao para 4 lags (desfasamento), constata-se que para 2 lags a causalidade bilateral, isto tanto a inflao como M1 causa uns aos outros. J para lags 3 e 4, a relao da causalidade entre as duas variveis unilateral, pois, apenas IPC causa M1. TABELA 4: Causalidade de Ganger.
Lags Hiptese Nula LM1 does not Granger Cause LIPC LIPC does not Granger Cause LM1 LM1 does not Granger Cause LIPC 3 4 LIPC does not Granger Cause LM1 LM1 does not Granger Cause LIPC LIPC does not Granger Cause LM1 Obs. Estatstica - F 3.39713 4.92997 2.58352 5.56293 1.94577 3.79046 P-Valor 0,03692 0,00886 0,05696 0,00136 0,10812 0,00341

118

117

116

Fonte: Resultado da pesquisa

Tendo isto, o passo seguinte foi de anlise de decomposio de varincia do erro e previso obtida pelo modelo VAR, com o propsito de verificar o poder de explicao de cada varivel integrante no modelo. O resultado descrito na Tabela 4 mostra que no primeiro periodo o IPC explica 100% da sua varincia, ou seja, no influenciado pela M1. Decorrido periodos afrente at 12, o IPC explica sempre acima de 98% da sua varincia. J para o M1 isto diferente. Pois logo no primeiro periodo cerca de 2% da sua varincia explicada por IPC. Esta percentagem tende a aumentar para periodos mais alargados. Empregando a decomposio de Cholesky, pode-se verificar como os choques numa varivel afeta o outro por meio da estrutura dinmica do modelo. Com os grficos do Impulso-Resposta, possvel verificar o impacto que um choque no desvio-padro de uma srie (impulso) causa no desviopadro de outra srie (resposta). TABELA 4: Decomposio da varincia do erro de previso.
Decomp. da Variancia do LIPC Periodo 1 2 3 4 5 6 7 8 9 10 11 S.E. 0.007435 0.010310 0.012858 0.014817 0.016479 0.017845 0.019009 0.020006 0.020865 0.021607 0.022250 LIPC 100,0000 99,68051 99,79111 99,78709 99,74263 99,68468 99,58572 99,44478 99,27080 99,05431 98,79142 LM1 0.000000 0.319489 0.208889 0.212913 0.257365 0.315317 0.414285 0.555218 0.729198 0.945694 1.208579 1.520242 Decomp. da Variacia do LM1 S.E. 0.026009 0.030171 0.033431 0.038349 0.042722 0.046968 0.051540 0.056230 0.061060 0.066098 0.071329 0.076755 LIPC 2,145852 1,613677 1,943426 2,122900 3,087108 4,708556 6,590543 8,779256 11,21434 13,75950 16,36919 18,99969 LM1 97,85415 98,38632 98,05657 97,87710 96,91289 95,29144 93,40946 91,22074 88,78566 86,24050 83,63081 81,00031

12 0.022810 98,47976 Fonte: Resultado da pesquisa

A partir da Figura 2 facilmente pode-se perceber que M1 afetado pelo choque no IPC de forma negativa no primeiro perodo e continuando desta forma at perodo 24 com um pequeno desvio no 3 perodo, mas, mantendo sempre a tendncia decrescente. Para a varivel IPC, verefica-se que um choque em M1 o afeta nu curto prazo com 2 desvios distintos. Ou seja, logo no 1 perodo um choque no M1 causa um desvio positivo no IPC e decresce logo no 3 perodo para depois no 4 perodo retomar um novo equilbrio desta forma com tendncia sempre crescente.

Fonte: Dados da pesquisa. Figura 2 Funes impulso-respostadas variveis M1 e IPC a choques nessas variveis.

4. CONSEDERAES FINAIS
Este estudo permitiu analisar o equilibrio de longo prazo entre IPC e o agregado monetrio M1 eque com a aplicao de anlise de co-integrao mostrou que de facto h uma relao de longo prazo entre elas. Pela anlise de causalidade de Granger viu-se a existncia de uma relao causal bilateral em duas defasagens e unidirecional de IPC para M1 em 3 e 4 desfasagens.

5.REFERENCIAS BIBLIOGRFICA
ABRAS, M. A. Finanas Corporativas e Estratgia Empresarial: Turbulncia do Ambiente, Alavancagem Financeira e Performance da Firma no Ambiente de Negcios Brasileiros. Trabalho apresentado no XXVI ENANPAD, em setembro de 2003. Disponvel em:< http://acervo.ci.fdc.org.br/AcervoDigital/Cadernos%20de%20Id%C3%A9ias/2 003/0307.pdf >. Acesso em: 18 de Julho de 2013. BAPTISTA, A. J. M. S.; COELHO A. B. Transmisso de Inflao de Portugal para Cabo Verde. Anais do XLII Congresso da Sociedade Brasileira de Economia e Sociologia Rural. Dinmicas Setoriais e Desenvolvimento Regional. Sociedade Brasileira de Economia e Sociologia Rural, Cuiab MT, 25 a 28 de julho de 2004. Disponvel em:<http://www.sober.org.br/palestra/12/06O330.pdf >. Acesso e: 14 de Junho de 2013. FRIEDMAN, M., SCHWARTZ, J.A. Money and Business Cycles, Review of economics and Statistics, 45(1), part 2, Feb., pp. 36. 1963a. Disponvel em:< http://www.nber.org/chapters/c5179.pdf > Acesso em: 8 de Maro de 2013.

FUHRER, J. C.; MOORE, G. R. Monetary policy trade-offs and the correlation between nominal interest rates and real outputs. The American Economic Review. Nashville, v. 85, p.219-239, Mar. 1995. GUJARATI, D.N. Econometria Bsica. 3. ed. So Paulo: Pearson Education do Brasil, 2000. JOHANSEN, S.; JUSELIUS, K. Maximum likelihood estimation and inference on cointegration with applications to the demand for money. Oxford Bulletin of Economics and Statistics, 52: 169-210.1990. Disponvel em:< http://time.dufe.edu.cn/wencong/jjwx/mleic.pdf >.Acesso em: 13 de Julho de 2013. LOPES, J. C.; ROSSETTI, J. P. Economia monetria. 8.ed., So Paulo: Atlas, 2002. 495p. LOPES, C. K. Modelo de Previso de Inflao Utilizando Modelo VAR.2012. Disponvel em :<http://pt.scribd.com/doc/90366220/Modelo-de-Previsao-deInflacao-Utilizando-o-Modelo-VAR> . Acesso em: 13 de Julho de 2013. MADDALA, G. S. Introduction to econometrics. 2. ed. New Jersey: PrenticeHall Inc. Englewood Cliffs, 1992. MARGARIDO, M. A, Teste de Co-integrao de Johansen Utilizando o SAS. Revista Agrcola. So Paulo, So Paulo, v. 51, n. 1, p. 87-101, jan./jun. 2004. Disponvel em : < http://www.iea.sp.gov.br/out/publicacoes/pdf/asp-1-04-6.pdf >. Acesso em 18 de Julho de 2013. MCCALLUM, B. T. Analyses of the monetary transmission mechanism: methodological issues. National Bureau of Economic Research. Cambridge, 1999. Disponvel em:< http://www.nber.org/papers/w7395> . Acesso em: 16 Agosto de 2013. MCCANDLESS, G. T., Jr. e W. E. Weber (1995): Some Monetary Facts, ederal Reserve bank of Minneapolis, Quarterly Review, 19(3), Summer, pp. 2 - 11. MONTORO FILHO, A.F.; TROSTER, R.L. Introduo teoria monetria. PESARAN, M. H.; SHIN, Y. Generalized Impulse Response Analysis in linear Multivariate Models, Economic Letters, v. 58, p.17-29, 1998. PINA, J.E.B.L. Determinantes da inflao numa pequena economia aberta o caso de cabo verde. Tese de mestrado apresentado Universidade Tcnica de Lisboa sob orientao do Professor Miguel Pedro Brito St. Aubyn como requisito parcial para obteno do ttulo de mestre em economia monetria e financeira, Lisboa Junho de 2008. Disponvel em: < https://aquila.iseg.utl.pt/aquila/getFile.do?method=getFile&fileId=184753> Acesso em:13 de Junho de 2013

PINHO, D.B.; VASCONCELLOS, M. A. S. de. Manual de economia. 3.ed., So Paulo: Saraiva, 2002. p.341-364. ROMER, C. D.; ROMER, D. H. Does Monetary Policy Matter? A New Test in the Spirit of Friedman and Schwartz. NBER Macroeconomics annual 1989. p. 121-170. Cambridge: MIT Press, 1989. SANTAROSSA, T.E.; TRICHES,D.; LLIS, C.T.M. Os efeitos da trasmisso da poltica monetria no Brasil de 1950 a 2010. Disponvel em:<
http://www.pucrs.br/eventos/encontroeconomia/download/mesas/OsEfeitosDosMeca nismosDeTransmissao.pdf>.Acesso em: 13 de Julho de 2013.

ANEXO
Vector de Correo de erros estimados Equao de Co-integrao LIPC(-1) LM1(-1) Parmetros 1.000000 -0.208858 (0.02462) [-8.48190] -2.453652 D(LIPC) -0.037825 (0.02379) [-1.59012] -0.016326 (0.09611) [-0.16988] 0.129530 (0.09419) [ 1.37524] 0.014751 (0.02817) [ 0.52365] -0.023079 (0.02764) [-0.83504] 0.001761 (0.00076) [ 2.31932] D(LM1) -0.359097 (0.08321) [-4.31550] 0.110636 (0.33618) [ 0.32910] -0.145286 (0.32947) [-0.44097] -0.480880 (0.09854) [-4.88021] -0.278097 (0.09668) [-2.87651] 0.009126 (0.00266) [ 3.43695]

C Correo de erro Coeficiente de ajustamento

D(LIPC(-1))

D(LIPC(-2))

D(LM1(-1))

D(LM1(-2))

Fonte: Resultado da pesquisa